El aprendizaje auto-supervisado (Self-Supervised Learning) es un método de aprendizaje en el que los modelos se entrenan con datos no supervisados mediante la resolución de tareas generadas automáticamente.
En este proceso, se utilizan partes de los datos como entrada, mientras que otras partes sirven como objetivo, por ejemplo, predecir áreas faltantes de una imagen o completar textos.
Este enfoque permite aprender representaciones sin necesidad de etiquetas manuales.
El aprendizaje auto-supervisado se utiliza a menudo como preentrenamiento para inicializar modelos con conocimientos generales para tareas específicas posteriores.
Se emplea en áreas como visión por computadora, procesamiento del lenguaje y robótica para aumentar la eficiencia de los datos y lograr una mejor generalización.